05

Question 1

Womit testet man den Zusammenhang zw. kategorialer UV und metrischer AV?

Answer 1

t-test & Varianzanalyse
-> Unterscheiden sich Mittelwerte von 2 (oder mehr) Gruppen?
-> In welchem Maß (Effektstärke)?

Question 2

Was sollte vor der Durchführung eines statistischen Tests gemacht werden? (kat. UV, metr. AV)

Answer 2

Verteilung der AV getrennt nach Gruppen analysiert (grafisch)

Question 3

Was erklärt ein t-Test?

Answer 3

Verhältnis erklärter und unerklärter Varianz

Question 4

Welche Frage beantwortet ein t-test bei unabhängigen Stichproben?

Answer 4

Unterscheidet sich Mittelwert zweier unabhängiger Gruppen signifikant?

Question 5

Was ist Cohen’s d?

Answer 5

• standardisierte Effektstärke für zwei Mittelwertsunterschiede
  -> wie viele SD liegen Mittelwerte auseinander

Question 6

Wie interpretiert man Cohen’s d?

Answer 6

kleiner Effekt: d=0.2
mittlerer Effekt: d=0.5
großer Effekt: d=0.8

Question 7

Was ist “Varianzanalyse”?

Answer 7

aka ANOVA
-> Sammelbegriff für versch. stat. Methoden
-> wie t-test: stat. Untersuchung von Mittelwertsdifferenzen zw. Gruppen

Question 8

Welche Erweiterungen weist ANOVA im Vergleich zu t-tests auf?

Answer 8

• Analyse von mehr als 2 Gruppen
• Analyse von mehr als einer UV
• Analyse von mehr als einer AV
• Berücksichtigung metrischer Kovariate

Question 9

ANOVA

Answer 9

1 UV
beliebige Anzahl AV
=> Einfaktoriell, Zweifaktoriell, etc.

Question 10

MANOVA

Answer 10

2+ UV
1+ Av
=> multidimensionale ANOVA

Question 11

ANCOVA

Answer 11

1+ UV
2+ AV
=> Kovarianzanalyse

Question 12

Was ist die Varianzkomposition?

Answer 12

Differenz zw. Gruppen (UV) bzgl. einer intervallskalierten Variable (AV)

Question 13

Was untersucht die Varianzanalyse?

Answer 13

Verhältnis von erklärter und unerklärter Varianz (F-Test)

Question 14

Wie funktioniert die Berechnung der F-Test- Statistik?

Answer 14

Bestimmung des empirischen F-Werts durch Quadratsummen (SS) und Freiheitsgrade (df)

Question 15

Wie bestimmt man den kritischen F-Wert?

Answer 15

durch alpha-Level und Freiheitsgrade des Zählers (dfbetween) und Nenners (dfwithin)

Question 16

Ein F-Test gibt an, ob ein Unterschied zwischen den Gruppen besteht, jedoch nicht zwischen welchen Gruppen der Unterschied existiert. Wie findet man das heraus?

Answer 16

post hoc-tests: Paarweise Signifikanztests (z.B. t-Test)

Question 17

Was ist ein Problem paarweiser Signifikanztests?

Answer 17

Alpha-Fehler-Kumulierung
-> Wahrscheinlichkeit eines alpha-Fehlers steigt mit jedem weiteren Vergleich an

Question 18

Gibt es Post-Hoc Tests mit alpha-Fehler-Korrektur? *

Answer 18

ja
- Scheffé-Test
- Bonferroni-Test
- Tuckey HSD
- Games-Howell-Test

Question 19

Was drückt η² (Effektstärke) aus?

Answer 19

Anteil an Varianz, der durch Gruppenvariable erklärt wird

Question 20

Was ist die Funktion von Zusammenhangsmaßen?

Answer 20

quantifizieren den Zusammenhang zw. zwei Variabeln

Question 21

Welche Arten von Zusammenhangsmaßen gibt es?

Answer 21

Kovarianz
Pearson’s r
Spearman’s ρ (rho)

Question 22

Welche Frage beantwortet das Zusammenhangsmaß “Kovarianz”?

Answer 22

Gehen hohe Werte einer Variablen eher mit hohen oder geringen Werten einer anderen Variable einher?

Question 23

Was ist ein Problem mit dem Zusammenhangsmaß “Kovarianz”?

Answer 23

hängt von den Einheiten der Variablen ab

Question 24

Reichweite von Kovarianz

Answer 24

-unendlich; + unendlich

Question 25

Was ist Pearson's r?

Answer 25

standardisiertes Zusammenhangsmaß für linearen Zusammenhang zweier Variablen

Question 26

Reichweite von Pearson's r

Answer 26

-1 bis +1 perfekt negativ, keine Korrelation; perfekt positiv

Question 27

Was ist Spearman's ρ?

Answer 27

spezialfall von Pearsons r -> Konvertiert Daten in Ränge -> Berechnung der Korrelation mit Formel von Pearson

Question 28

Was ist der Unterschied in der Interpretation zw. Kovariation, Pearson's r und Spearman's ρ?

Answer 28

Kovarianz: unstandardisiertes Maß für Zusammenhänge Pearson's r: standardisiertes Maß für lineare Zusammenhänge Spearman's ρ: standardisiertes Maß für monotone Zusammenhänge

Question 29

Was ist der Vorteil von Kovarianz?

Answer 29

Grundlage für andere Zusammenhangsmaße

Question 30

Was sind die Nachteile von Kovarianz?

Answer 30

- nicht standardisiert - schwer zu interpretieren - nicht geeignet bei nicht-linearen Zusammenhängen - anfällig gegenüber Ausreißern

Question 31

Was sind die Vorteile von Pearson's r?

Answer 31

- einfach interpretierbar - am häufigsten eingesetztes Zusammenhangsmaß - wenn Zusammenhang linear ist, beschreibt Pearson's r dessen Stärke am besten

Question 32

Was sind die Nachteile von Pearson's r?

Answer 32

- nicht geeignet bei nicht-linearen Zusammenhängen - anfällig gegenüber Ausreißern

Question 33

Was sind die Vorteile von Spearman's ρ?

Answer 33

- robust gegenüber Ausreßern - keine Linearitätsannahme - auch bei ordinalskalierten Variablen anwendbar

Question 34

Was sind die Nachteile von Spearman's ρ?

Answer 34

- verliert metrische Information (nur Ränge genutzt) - nicht geeignet bei nicht-monotonen Zusammenhängen

Question 35

Welche Informationen gibt uns eine bivariate Regression?

Answer 35

Achsenabschnittsparameter (Intercept) Steigungsparameter (Slope)

Question 36

Was ist die "kleinst-quadrat-Methode"?

Answer 36

Bestimmung der Parameter, sodass Summe der quadrierten Abweichungen der Punkte zu einer geraden Linie minimal ist

Question 37

Was unternimmt man, nachdem die Regressionsparameter geschätzt wurden?

Answer 37

Vorhersagegenauigkeit des Modells überprüft

Question 38

Was sind Residuen?

Answer 38

Abweichungen zw. vorhergesagten und beobachteten Werten (=Vorhersagefehler)

Question 39

Was zeigen Residuen an?

Answer 39

wie Präzise Y-Werte vorhergesagt werden -> Punkte nahe an Regressionsgerade: kleine Residuen -> Punkte weiter weg von Regressionsgeraden: Große Residuen

Question 40

Was ist der Standardschätzfehler?

Answer 40

Durchschnittlicher Fehler des Regressionsmodells

Question 41

Was ist der Determinationskoeffizient r^2 (R quadrat)?

Answer 41

Anteil durch das Regressionsmodell erklärter Varianz